0891 Genome-wide efficient mixed-model study for meat quality in Nellore cattle
Notice bibliographique
Résumé
The quality of meat, which includes several traits such as tenderness, juiciness, and fat thickness, is essential for the beef industry. Previous genome-wide association studies (GWAS) using Bayesian methods have shown that Brazilian Nellore cattle have enough genetic variation for improvement of these traits. Thus, the aim of this study was to further identify quantitative trait loci (QTL) associated with meat-quality-related traits in Nellore beef cattle by using the univariate linear mixed model (LMM) approach implemented in the GEMMA software and compare it with our previous GWA studies performed using Bayesian approaches. A total of 387 Nelore steers comprising 34 half-sib families were genotyped using the IlluminaBovineHDBeadChip. We analyzed the association between markers and Warner-Bratzler shear force, backfat thickness, ribeye muscle area, scanning parameters lightness (L*), redness (a*), and yellowness (b*) to ascertain color characteristics of the meat, water-holding capacity, cooking loss, muscle pH, myofibrillar fragmentation index, saturated fat sum, omega-6 fatty acids sum, omega-3 fatty acids sum, and ethereal extract. These phenotypes were measured in the Longissimus dorsi muscle between the 11th and 13th ribs collected at slaughter. We identified fifty-three genomic regions that each contained at least one single nucleotide polymorphism (SNP) that showed a significant association with meat quality traits (1-Mb SNP windows). Highlighted, we found regions associated with three genes—neuronal growth regulator 1 (NEGR1, chr03: 70884613–71949611), dynamin 3, and phosphatidylinositol glycan anchor biosynthesis class C (DNM3/PIGC, chr16: 37340706–38007593)—related to lipid metabolism and obesity. Our results provide a better understanding of QTL regions associated with meat quality unexplored in our previous Bayesian approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».